句长统计是一种针对句子在语用方面分析研究的统计方法,即通过统计定量的语料库中长度相同的句子出现的次数,再根据得到的数据绘制成表格,从句长的分布规律从而分析人们在句子使用方面的规律,从而分析出造成这种情况的原因。而且对于句长的研究在语言学——特别是第二语言教学中发挥着重要的作用,另外,在信息学、文献计量学及情报学方面也有所涉及。本文的研究工作,主要是从历时角度建立不同时间段的语料库,通过统计各个时间段的句长及其分布规律,再进行对比分析从而了解汉语的发展规律;最后,通过共时角度的汉英句长的对比分析异同点,从而证明语言具有共同性。文章一共分为六章:第一章是绪论,主要介绍了本文的选题背景以及国内外关于句法学、统计语言学及句长的研究现状,简要介绍了本文的研究目的与意义、研究思路和研究方法以及本文的结构组成。第二章是主要是针对本文在句长统计的过程中所要涉及到的相关实验软件进行的分析,主要分四个部分:第一,对已有的句长及句频的相关概念作了简单的说明;第二,介绍了统计语言学中三种主要的中文分词算法及中文分词算法的难点——未登录词识别和歧义识别;第三,介绍了一般情况下检测实验软件的标准——正确率和召回率及F指标,在这三个检测标准的基础上,利用汉语及英语句长、句频的样本统计实验对本文所要使用的软件进行检测,从而确认本文实验软件的可行性;第四,大致介绍了本文语料的收集与整理的过程,为了确保数据的可靠性,本文语料库中汉语的语料上溯先秦,下及现当代,以及两汉、魏晋南北朝、隋唐、宋元、明清等时期,英语语料收集的主要是中世纪文艺复兴后的,文章篇幅也涉及了短篇、中篇及长篇,包括经、史、子、集各种典籍。第三章是本文为下文作准备的基础部分,主要介绍了统计句长及句频的实验设备、程序代码的编写及实验步骤。本文所使用的软件是在Java软件的基础上完成的,由于本文所采用的语料涉及古今中外,既有纵向的从先秦到现当代,又有横向的中英文对比,并且是从字本位和词本位两个角度来统计分析的,因此本文所要进行的实验也是具有针对性的,这种"针对性"就要通过不同的程序代码来实现的。在实验设备和程序代码都具备的情况下,就可以进行句长及句频统计的实验了。第四章主要是对句长及句频实验数据的整理分析。根据上文的实验得出的数据绘制成Excel表格,再绘制成各个时期的散点图,从而通过每个时期高频句的句长及平均句长发现语言发展是比较稳定的。然后通过对汉语句长、句频在不同时间段的分析及同时间段汉英句长、句频的对比分析,从而得出句子长度的分布规律:一篇文章的句长是呈现抛物线的分布趋势的。即在理论上语言本身的递归性使得句子的长度是无限长的,但在语言的实际运用中,因为受到各种因素的影响,使得语言的长度是有限的,从而为下文分析句长制约的因素作了基础。第五章是本文的重点部分,先说明因为语言的递归性及重写规则使得句子可以无限长的,然而上文的实验数据表明每个时期无论是平均句长还是高频句的句长都是有限的,因此本章从信息加工的处理方式、语体、语调、强制性表达方式、语言的经济规则及个人的语言风格等六个方面来结合实验数据详细分析了它们对句长产生的作用。然后通过对复句及独立成分的分析证明句法是无法制约句长的。第六章是本文的结语,在总结了本文主要内容的基础上,指出本文还存在的一些不足之处,最后对将来在句长方面的研究作了一些展望。